随着人口老龄化，老年痴呆症患者逐年增加，而老年痴呆到中晚期已无有效治疗方法。轻度认知损害是介于正常老化和痴呆之间的一种认知功能损害状态，通常将它作为正常老化向老年痴呆的过渡阶段。因而轻度认知损害群体的研究对老年痴呆的早期诊断和早期干预有着重要的意义，是近年来老年痴呆研究的热点。贝叶斯网作为一种概率图形模型，提供了一种将知识直觉的图解可视化的方法，有许多其自身的优势，它使用概率理论处理在描述不同知识成份的条件相关而产生的不确定性。将贝叶斯网应用在轻度认知损害的诊断中，可用其处理不确定性知识的方法描述轻度认知损害诊断的各项诊断指标。本文介绍了贝叶斯网结构学习以及参数学习、推理的相关内容。运用朴素贝叶斯技术，结合临床量表诊断手段，将各项量表指标作为贝叶斯节点集，建立推理诊断模型，实验证明该模型能够有效的完成轻度认知损害的诊断。针对传统算法在学习网络结构之前，需要根据研究者的主观经验，规定网络中结点顺序的缺点，给出了一个可以在无约束条件下，即无需主观给出网络中结点变量的顺序，而是根据观测得到的训练样本集的互信息以及概率关系，自动完成学习贝叶斯网结构的新方法。通过分析结构变量与结构变量，结构变量与功能变量之间的相关依赖性，将脑结构各区域萎缩情况与轻度认知损害这个功能变量作为变量集，利用新的贝叶斯结构学习方法，构建了基于脑结构萎缩的轻度认知损害诊断模型。文章最后给出了老年痴呆症早期预测专家系统的设计与实现。